智能駕駛感知系統(tǒng)的案例
一文詳解智能駕駛感知系統(tǒng)測試技術
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統(tǒng)迎來了新一輪的發(fā)展。交通應用的安全攸關場景給自動駕駛系統(tǒng)提出了更高的質量保障要求。感知系統(tǒng)是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統(tǒng)安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統(tǒng)測試的研究現(xiàn)狀，并對圖像、激光雷達、以及感知融合測試方法和技術發(fā)展進行了討論。
前言
隨著人工智能及其軟硬件技術的進步，近年來自動駕駛獲得了快速發(fā)展。自動駕駛系統(tǒng)已經被應用于民用汽車輔助駕駛器、自動物流機器人、無人機等領域。感知組件是自動駕駛系統(tǒng)的核心，它使得車輛能夠分析并理解內外交通環(huán)境信息。然而，與其他軟件系統(tǒng)一樣，自動駕駛感知系統(tǒng)困擾于軟件缺陷。并且，自動駕駛系統(tǒng)運行于安全攸關場景，其軟件缺陷可能導致災難性后果。近年來，已經發(fā)生多起自動駕駛系統(tǒng)缺陷導致的人員傷亡事故。自動駕駛系統(tǒng)測試技術受到學術界和工業(yè)界的廣泛重視。企業(yè)與研究機構提出了一系列包括虛擬仿真測試、實景道路測試和虛實結合測試等在內的技術和環(huán)境。然而，由于自動駕駛系統(tǒng)輸入數(shù)據類型的特殊性和運行環(huán)境的多樣性，這類測試技術的實施過程需要消耗過多資源，并需要承擔較大風險。本文簡要分析當前自動駕駛感知系統(tǒng)測試方法的研究和應用現(xiàn)狀。
1 自動駕駛感知系統(tǒng)測試
自動駕駛感知系統(tǒng)的質量保障越來越重要。感知系統(tǒng)需要幫助車輛自動分析和理解路況信息，其構成非常復雜，需要充分檢驗待測系統(tǒng)在眾多交通場景下的可靠性和安全性。當前自動駕駛感知測試主要分為三大類。無論何種測試方法，都表現(xiàn)出了一個區(qū)別于傳統(tǒng)測試的重要特征，即對于測試數(shù)據的強依賴性。
第一類測試主要基于軟件工程理論和形式化方法等，以感知系統(tǒng)實現(xiàn)的模型結構機理為切入點的測試。
展開 經緯恒潤智能駕駛開發(fā)、測試評估平臺——智能駕駛全量數(shù)據感知及分析系統(tǒng)
上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發(fā)及測試的角度，為各位看官帶來智能駕駛全量數(shù)據感知及分析系統(tǒng)。
智能駕駛全量感知數(shù)據實時可視化系統(tǒng)，可實時展示車端各類傳感器數(shù)據，可實現(xiàn)感知系統(tǒng)自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數(shù)據采集分析及可視化系統(tǒng)
提供一套智能駕駛傳感器全量數(shù)據采集及分析軟硬件系統(tǒng)，傳感器數(shù)據同步，可實時在可視化界面展示各傳感器數(shù)據。
? 全量數(shù)據采集
? 定制化傳感器接入
? 遠程事件監(jiān)控/數(shù)據傳輸
? 數(shù)據同步
? 數(shù)據可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統(tǒng)
真值系統(tǒng)，通過量化真值系統(tǒng)和本車系統(tǒng)的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 針對智能駕駛的預期安全系統(tǒng)架構
只有當其他駕駛員做出正確駕駛的判斷時，無人駕駛汽車的測試才會相應做出正確、合理的判斷。
該論文在對無人駕駛事故和安全隱患的分析基礎上，提出了自動駕駛汽車的預期安全系統(tǒng)。該系統(tǒng)可以進行監(jiān)督、預測和保證智能駕駛車輛的駕駛狀態(tài)，從感知、決策和控制等方面提高智能駕駛的安全性。
2. 系統(tǒng)架構
智能駕駛離不開幾項關鍵技術。在宏觀層面，智能駕駛基于環(huán)境感知、路徑規(guī)劃和決策控制等核心技術。
結合上一段提到的幾個關鍵技術，智能駕駛有了真正駕駛的技術支撐，而安全技術是自動駕駛汽車能否真正在公共道路上行駛的前提。2011年發(fā)布的ISO26262《道路車輛功能安全》國際道路車輛功能安全標準，為電子控制系統(tǒng)故障引起的安全風險提供了系統(tǒng)的解決方案。
由于自動駕駛汽車可以獨立于駕駛員控制車輛的部分或全部行為，任何影響其感知、決策和執(zhí)行的因素都可能構成車輛危險。根據不同的風險來源和所需的安全技術，比較分析見下表。
展開 前沿 | 針對智能駕駛的預期安全系統(tǒng)架構
來源 |
軒轅實驗室
作為未來智能駕駛的發(fā)展方向，關鍵技術的研究取得了重大進展。然而，由于近期無人駕駛事故頻發(fā)，安全性能令人擔憂。為了解決安全問題，提出了一種智能駕駛安全系統(tǒng)。該系統(tǒng)針對智能汽車感知、決策和控制方面的預期問題，實時提供安全分析和監(jiān)控服務模塊?；陬A期功能安全的概念，對駕駛場景和系統(tǒng)安全進行分析和評估，以提高智能駕駛的安全性，有助于智能駕駛的發(fā)展。
1.介紹
智能駕駛汽車的駕駛行為高度依賴于操作系統(tǒng)的穩(wěn)定性、智能性、安全性。
安全風險主要來源于以下三類：
硬件安全
與傳統(tǒng)汽車相比，智能駕駛汽車不要求駕駛員直接控制車輛，而是將部分或者是全部的控制權限交由自動控制系統(tǒng)。硬件架構設置是否科學合理；各無人計算控制單元和控制器的設置是否完善；無人駕駛的傳感器是否完善；車輛能夠快速準確地獲取道路環(huán)境信息，車輛運動感知和信息融合功能在無人駕駛車輛中起著決定性作用。
軟件安全
與傳統(tǒng)汽車相比，自動駕駛汽車的開發(fā)時間較短，技術開發(fā)仍不成熟，軟件系統(tǒng)仍需要長期的可靠性分析。例如，著名的無人駕駛汽車制造商谷歌已經在無人駕駛汽車平臺上進行了9年的封閉式測試，但測試時間不夠，因素也相對很簡單。因此，其安全性和穩(wěn)定性仍需要長期監(jiān)測。
環(huán)境安全
在人工智能算法的基礎上，智能駕駛汽車能夠實現(xiàn)自動避障和完成自動駕駛在一些較為復雜的道路上。然而，無人駕駛汽車仍然需要其他的交通參與者的正確駕駛來駕駛。只有當其他駕駛員做出正確駕駛的判斷時，無人駕駛汽車的測試才會相應做出正確、合理的判斷。
該論文在對無人駕駛事故和安全隱患的分析基礎上，提出了自動駕駛汽車的預期安全系統(tǒng)。
展開 
自動駕駛汽車感知系統(tǒng)關鍵技術綜述
公安部道路交通安全研究中心 王藝帆
自動駕駛汽車是汽車電子、智能控制以及互聯(lián)網等技術發(fā)展融合的產物，其原理為自動駕駛系統(tǒng)利用感知系統(tǒng)，獲取車輛自身以及外界環(huán)境信息，經過計算系統(tǒng)分析信息、做出決策，控制執(zhí)行系統(tǒng)實現(xiàn)車輛加速、減速或轉向，從而在無需駕駛員介入的情況下，完成自動行駛。2013年，美國國家公路交通安全管理局（NHTSA）根據輔助控制系統(tǒng)的自動化功能，將自動駕駛技術分為0~4級，如表1所示。從表1可了解到，自動駕駛的發(fā)展升級是從輔助駕駛到主宰駕駛，從提供單一功能、應對簡單場景，到可掌控所有場合，完全解放駕駛人。期間，感知系統(tǒng)需不斷提高獲取周邊環(huán)境信息的全面性、準確性和高效性，它是自動駕駛的基礎，也是貫穿升級的核心部分。本文將介紹自動駕駛感知系統(tǒng)常用方案，及其各自技術方法、特點和應用情況。
1 系統(tǒng)框架
自動駕駛汽車首先應有一套完整的感知系統(tǒng)，代替駕駛人的感知，提供周圍環(huán)境信息；其次應有一套集智能算法、高性能硬件于一體的控制系統(tǒng)，代替駕駛人的大腦，制定駕駛指令、規(guī)劃行駛路徑；最后還需一套完善縝密的執(zhí)行系統(tǒng)，可以代替駕駛員的手腳動作，執(zhí)行駕駛指令、控制車輛狀態(tài)。其中，感知系統(tǒng)應包括環(huán)境感知、內部感知、駕駛人感知。其中內部感知主要是通過CAN總線采集車內各電子控制單元信息，以及裝載在車上的各類傳感器實時產生的數(shù)據信息，來獲取車輛狀態(tài)，包括車體（車內外溫度、空氣流量、胎壓），動力（油壓、轉速、機油），車輛安全（安全帶、氣囊、門窗鎖）等；駕駛人感知是通過人機交互界面或傳感器獲取駕駛人操控、手勢、語音等控制指令，以及面部表情等檢測信息，用來接收控制命令、檢測駕駛人狀態(tài)。本文介紹的感知系統(tǒng)針對環(huán)境感知、自動駕駛感知系統(tǒng)的關鍵點和難點，其功能是實時獲取周邊物體、行駛路況、導航定位、天氣、停車場等信息。
展開 智能座艙全艙感知系統(tǒng)SCSS
概述
無人駕駛技術的發(fā)展帶來了人員解放，人們在車上開始有更多的空閑時間。智能座艙成果易感知，有助于迅速提升產品差異化競爭力，正成為中國消費者購車和用車體驗的關鍵決策因素。
智能座艙系統(tǒng)級解決方案具備感知能力、呈現(xiàn)能力和處理能力，包含攝像頭模組、麥克風、 氛圍燈、流媒體后視鏡、增強現(xiàn)實抬頭顯示、智能座椅、域控制器等部件，可深度融合 ADAS、TBOX、車身、高精地圖等信息，打造一體化智能座艙解決方案。
系統(tǒng)解決方案
基本功能
經緯恒潤智能座艙方案具備駕駛員監(jiān)控系統(tǒng)（疲勞檢測、抽煙檢測、打電話檢測、注意力檢測）、FaceID認證、、自動座椅調節(jié)、情緒氛圍燈、智能提神模式、智能天窗、AR-HUD 融合顯示等組合功能。
艙內攝像頭
經緯恒潤具備成熟的艙內攝像頭產線和開發(fā)布置能力，可針對用戶需求進行適配。兩百萬像素高清攝像頭滿足艙內精確識別需求，超大視場角實現(xiàn)座艙全覆蓋（DMS 視場角：H:58° ,V:47.6°；OMS 視場角，H:110° ,V:68°）。
展開 高階自動駕駛系統(tǒng)的感知模組如何選擇
作者 | Aimme
出品 | 焉知
眾所周知，從分布式架構向集中式域控制器架構演進已經成為下一代自動駕駛系統(tǒng)不可逆轉的趨勢。對于下一代集中式域控架構下到的自動駕駛系統(tǒng)來說，域控制器因為有強大的硬件計算能力與豐富的軟件接口支持，使得更多核心功能模塊集中于域控制器內，系統(tǒng)功能集成度大大提高，這樣對于功能的感知與執(zhí)行的硬件要求降低
。但是，
域控制器的出現(xiàn)并不代表底層硬件 ECU 的大規(guī)模消失
，很多 ECU 的功能會被弱化（軟件和處理功能降級，執(zhí)行層面功能保留），大部分傳感器也可以直接傳輸數(shù)據給域控制器，或把數(shù)據初步處理后給域控制器，很多復雜計算都可以在域控制器里完成，甚至大部分控制功能也在域控制器里完成，原有 ECU 很多只需執(zhí)行域控制器的命令，也就是說，外圍零件只關注本身基本功能，而中央域控制器關注系統(tǒng)級功能實現(xiàn)。此外，數(shù)據交互的接口標準化，會讓這些零部件變成標準零件，從而降低這部分零部件開發(fā)/制造成本。
作為自動駕駛之眼的攝像頭尤其是這樣，在L2階段，整個智能駕駛的視覺感知單元一般都是放在被稱之為攝像頭總成的零部件中，這種總成零部件都是包含了
攝像頭模組本身，也包含了處理攝像頭感知的環(huán)境信息的軟件算法模塊
，比如ISP、encode、神經網絡、深度學習單元等AI算法。然而，在下一代高階自動駕駛系統(tǒng)中，這些原本由攝像頭模組處理的感知能力將會被放到域控制器端的AI芯片進行集中式處理。那么，問題來了，對于這類型的自動駕駛系統(tǒng)架構模式，攝像頭模組本身的需求將會發(fā)生哪些變化，又會帶來哪些新的需求呢？
本文主要介紹車載攝像頭基礎知識，包含攝像頭模組成像的基本原理、攝像頭類型、攝像頭選型方法、攝像頭安裝方式、攝像頭安裝過程中的常見問題等。
展開 自動駕駛系統(tǒng)中視覺感知模塊的安全測試
車聯(lián)網領域隨著物聯(lián)網與交通運輸領域的深度融合蓬勃發(fā)展．隨著深度學習的進步,車聯(lián)網領域的自動駕駛技術得到了突破性的發(fā)展,并有演化成一場新的汽車工業(yè)革命的趨勢．無論是特斯拉、蔚來等新型車企,還是福特、寶馬等傳統(tǒng)車企都陸續(xù)拿到了自動駕駛路測牌照,著眼于研發(fā)深度自動駕駛技術．迅猛發(fā)展的深度自動駕駛技術正逐漸成為車聯(lián)網領域的主要支撐技術之一,正在改變未來的交通和出行方式．
視覺感知模塊是自動駕駛進行環(huán)境感知的重要組件,也是車輛進行智能決策的重要基礎．自動駕駛領域的重要企業(yè)特斯拉更是將視覺感知模塊作為其駕駛系統(tǒng)的唯一環(huán)境感知模塊．因此,自動駕駛系統(tǒng)視覺感知模塊的安全性是自動駕駛系統(tǒng)正常工作的關鍵．雖然視覺感知模塊的表現(xiàn)隨著深度視覺技術的發(fā)展穩(wěn)步提升,但是其從駕駛環(huán)境中感知到的特征語義難被理解、決策過程無法解釋．如何對自動駕駛系統(tǒng)視覺感知模塊的安全性進行充分測試,已經成為了一個迫在眉睫、亟待解決的問題．
誠然,圍繞深度學習可解釋性方面的工作有了一定的突破,但是距離分析清楚自動駕駛視覺感知模塊的錯誤傳導機理還有較遠的距離．近年來,神經網絡的黑盒攻擊方法的進步,啟發(fā)大家提出了一些基于場景搜索的自動駕駛視覺感知模塊安全性測試技術．這些場景驅動的測試方法利用黑盒測試的思路,為駕駛系統(tǒng)提供盡可能多的駕駛場景數(shù)據,觀察自動駕駛系統(tǒng)的輸出與測試預言(TestOracle)之間的差異,進而分析自動駕駛系統(tǒng)視覺感知模塊的安全性．
展開 行業(yè)應用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
Ansys 行業(yè)應用方案連載 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統(tǒng)的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現(xiàn)大規(guī)模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 一文了解面向無人駕駛感知系統(tǒng)的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是，當前傳統(tǒng)的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現(xiàn)大規(guī)模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術，可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 行業(yè)應用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統(tǒng)的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現(xiàn)大規(guī)模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 
高級自動駕駛系統(tǒng)的新型三大感知能力要素分析
3、當攝像頭傳感器得到升級后，低等級的自動駕駛系統(tǒng)架構采集的數(shù)據是否可以直接應用于高等級自動駕駛？
自動駕駛算法的構建和迭代都是以數(shù)據作為驅動的，尤其是感知和預測模塊，并且很多時候都是要在過程中做到很好的數(shù)據閉環(huán)。
自動駕駛的算法模塊，尤其是感知和預測模塊，基本都是數(shù)據驅動，可見數(shù)據對算法迭代的重要性。這里需要說明的是，很多智能駕駛算法公司都是前期通過數(shù)據采集進行算法訓練參數(shù)得到的，而低等級智能駕駛系統(tǒng)的數(shù)據采集往往采用了低等級的傳感器，不管是在分辨率、檢測距離、誤檢漏檢等方面均不及高等級自動駕駛。因此，對于高分辨率攝像頭檢測而言，除了需要通過之前采集的數(shù)據繼承低像素攝像頭的一些基礎性能外，也可以通過場景建模來實現(xiàn)部分場景重構。此外，對于一些極端場景，則需要利用高分辨率攝像頭進行數(shù)據采集和重新的算法訓練，進而無限的提升其檢測效果，實現(xiàn)數(shù)據閉環(huán)。
4、高分辨率攝像頭是只進行前裝（前視攝像頭）還是整個鋪開（側視、后視攝像頭）？
對于高階自動駕駛系統(tǒng)來說，前視需要解決的場景最多，目標識別任務最復雜，比如遠距離小目標識別，近距離目標切入識別，這兩者對于攝像頭的波束開角和分辨率都有較高的需求。對于側視和后視攝像頭來說，其感知場景的要求則相對簡單些，這兩者的主要需求都基本在對于自動變道場景的側后方目標探測上。因此，從成本和效率上講，側視/后視場景采用一般分辨率的攝像頭即可滿足要求。而對于環(huán)視攝像頭而言，通常是在中低速情況下通過大視角短距離檢測泊車入位的車道線和車輛目標。因此，采用中低分辨率攝像頭也能夠滿足目標探測要求。同理，對于智能座艙內的攝像頭，通常采用的是包含駕駛員在位識別、人臉識別、情緒識別等，基本上采用適中的攝像頭分辨率即可。
展開 行業(yè)應用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
Ansys 行業(yè)應用方案連載 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統(tǒng)的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現(xiàn)大規(guī)模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 干貨｜自動駕駛系統(tǒng)中感知傳感器實物仿真測試環(huán)境構建
隨著智能駕駛技術的普遍應用，智能駕駛相關的測試測量方法也隨之發(fā)展。特別是模擬仿真測試領域，在智能駕駛產品開發(fā)過程中的應用越來越廣泛。而無論是自動駕駛（AD）還是高級輔助駕駛系統(tǒng)（ADAS），都是依靠高精度攝像頭、毫米波雷達、激光雷達等感知傳感器對車輛周邊環(huán)境進行感知識別來實現(xiàn)的。那么在自動駕駛系統(tǒng)模擬仿真測試實施過程中，系統(tǒng)中感知傳感器是如何進行實物仿真測試驗證的呢。
本文對自動駕駛系統(tǒng)中感知傳感器實物仿真測試環(huán)境構建的原理及其相關方案進行介紹。
■ 視覺攝像頭的實物仿真環(huán)境構建
視覺攝像頭是感光傳感器，光線通過攝像頭光學模組，映射到光學模組后面的感光芯片上，芯片將光信號轉換成電信號，這些電信號經過濾波、編碼等信號處理步驟，最終形成攝像頭模組的數(shù)字視頻信號。視頻數(shù)據通過數(shù)字視頻接口，傳輸給攝像頭主控制板。攝像頭主控板集成了主處理器、圖像處理單元和攝像頭電源模塊等電路單元，其中主處理器基于人工智能（AI）和圖像處理技術，圖像處理單元對拍攝圖像進行實時的解析。數(shù)據經過處理后，車輛前方的車輛、行人以及障礙物被識別出來。
放置在駕駛室內部的自動駕駛系統(tǒng)視覺前向攝像頭，朝著車輛行駛方向。前向攝像頭透過風擋玻璃對車輛前方的環(huán)境進行拍攝，前向視覺攝像頭可以識別取景范圍內的車輛、行人、車道線、交通信號燈、交通道路標志等目標。
圖1 視覺攝像頭識別車輛前方場景圖（圖片來源：車元素）
基于上述攝像頭圖像采集和目標處理的原理，針對視覺攝像頭的場景目標模擬仿真可以采用視覺場景再現(xiàn)的方式進行實現(xiàn)。最簡單便利的方式是利用投影的方式，對提前錄制好的視覺場景視頻進行播放，視覺攝像頭可以非常輕易的采集到模擬場景中目標，從而完成對攝像頭目標的模擬。
用于攝像頭目標模擬的投影系統(tǒng)，一般由投影儀、幕布及支架組成。
展開 高級別智能駕駛業(yè)務系列：自動駕駛系統(tǒng)
▎系統(tǒng)優(yōu)勢
· 提供車、路、網、云、圖、營全棧式自研港口無人水平運輸解決方案
· 經緯恒潤無人駕駛系統(tǒng)通過運營調度平臺和智能云控平臺，已與業(yè)內多家港口TOS系統(tǒng)、 ECS系統(tǒng)完成了系統(tǒng)對接
· 高性能車規(guī)級嵌入式控制器，穩(wěn)定可靠性能高，可應對嚴苛的實車運行工況
· 車規(guī)級傳感器解決方案，多重感知，確保感知輸入冗余和安全
· 充分考慮功能安全和信息安全的自主決策能力，保障車輛安全可靠的運行
· 基于生產作業(yè)要求實現(xiàn)停車精度＜5cm，封閉場景自動駕駛比例＞99%
· 基于5G環(huán)境，實現(xiàn)自動駕駛與遠程駕駛系統(tǒng)無縫對接，滿足極端工況下的作業(yè)安全和全流程的自動化作業(yè)
· 已實現(xiàn)項目交付和真正的無安全員的常態(tài)化運營
▎應用案例
經緯恒潤自動駕駛系統(tǒng)已在日照港、龍拱港集裝箱碼頭商業(yè)化落地運營，真正的實現(xiàn)“安全員下車”這一關鍵目標。同時，自動駕駛系統(tǒng)也同樣在園區(qū)物流、清掃、接駁方面有了長足的進步。未來，經緯恒潤自動駕駛系統(tǒng)會繼續(xù)緊跟智能駕駛行業(yè)發(fā)展趨勢，聚焦智能化和網聯(lián)化技術變革，積極創(chuàng)新，致力于為客戶提供涵蓋環(huán)境感知、決策規(guī)劃、控制執(zhí)行、系統(tǒng)集成等自動駕駛全棧解決方案，進一步推進無人駕駛技術的商業(yè)落地。
展開 